支持向量机(Support Vector Machine)是Cortes和Vapnik于1995年首先提出的,它在解决小样本、非线性及高维模式识别中表现出许多特有的优势,并能够推广应用到函数拟合等其他机器学习问题中。
1 数学部分
1.1 二维空间
C =
30
;
theta =
2
;%C为最小二乘支持向量机的正则化参数,theta为高斯径向基的核函数参数,两个需要进行优化选择调试
NumOfPre =
1
;%预测天数,在此预测本季度最后七天
%以负荷的加权为参考
1
al =
2
;%温度的加权
be =
1
;%湿度的加权
th =
1
;%星期的加权
Time =
48
;
Data = xlsread(
'input.xls'
);%此为从excel表格读数据的命令,表示将表格的数据读到Data数组中,省略表格中的第一行第一列文字部分 可输入你要预测的表格名称
Data = Data(
2
:end,:);
[M,N] = size(Data);%计算读入数据的行和列 M行N列
Data1 = Data;
for
i =
1
:
2
maxData = max(Data(:,i));
minData = min(Data(:,i));
Data1(:,i) = (Data(:,i) - minData)/(maxData-minData);%对温度进行归一化处理
for
i =
4
:N
Data1(:,i) =
log10
(Data(:,i)) ;%对负荷进行对数处理 温度和负荷的预处理 可采用不同的方法 可不必拘泥
Dim = M -
2
- NumOfPre;%训练样本数%拥有完整特征描述的数据共有M
-2
组!!
Input = zeros(M,
8
,Time);%预先分配处理后的输入向量空间%
8
是特征空间的维度!也是x的元素数!!
y = zeros(Dim,Time);
for
i =
3
:M
for
j =
1
:Time
%%选取前一天温度、同一时刻的负荷,前两天的负荷,当天的温度作为输入特征
x = [Data1(i
-1
,
1
:
3
), Data1(i
-1
,j+
3
), Data1(i
-2
,j+
3
),Data1(i,
1
:
3
)];%x就是每一个负荷对应的特征向量!!!
x(
1
)=al*x(
1
);
x(
6
)=al*x(
6
);
x(
2
)=be*x(
2
);
x(
7
)=be*x(
7
);
x(
3
)=th*x(
3
);
x(
8
)=th*x(
8
);
Input(i
-2
,:,j) = x;%Input(i,:,k)的含义为:第i天第j个时刻的负荷所对应的特征向量
y(i
-2
,j) = Data1(i,j+
3
);
Dist = zeros(Dim,Dim,Time);%预先分配距离空间
for
i=
1
:Time
for
j=
1
:Dim
for
k=
1
:Dim
Dist(j,k,i) = (Input(j,:,i) - Input(k,:,i))*(Input(j,:,i) - Input(k,:,i))
';
版本:2014a
-
17.7w
-
魔术师卡颂
ChatGPT
JavaScript
-
9.4w
-
superZidan
ChatGPT
React.js
-
25.8w
-
李瑞丰_liruifengv
ChatGPT
Vue.js
-
7.6w
-
CUGGZ
JavaScript
Vue.js
-
10.3w
-
zxg_神说要有光
JavaScript
Node.js
-
10.0w
-
superZidan
JavaScript
TypeScript
Node.js
-
10.8w
-
紫极神光Q1564658423
华中科技大学研究生 @ 阿里